AI 写的代码，你敢直接合并吗？ Artificial Analysis 更新了编程 Agent 榜单：把「模型 + Agent 工具」放在一起测，看看哪套… · @xbquan · TwKit

@xbquan

AI 写的代码，你敢直接合并吗？ Artificial Analysis 更新了编程 Agent 榜单：把「模型 + Agent 工具」放在一起测，看看哪套组合更能完成实际开发任务，以及要花多少钱。 最高分：Claude Code + Claude Opus 5.5 综合 61.7 分，每任务 API 成本 $11.42。 性价比首选：Codex + GPT-6.1 Sol 综合 54.1 分，每任务 $1.50，约为榜首成本的 1/7.6。 我的推荐依据是：分数接近头部，成本明显更低。 如果预算优先，Codex + DeepSeek V4.1 Flash 更便宜：47.3 分，$0.39/任务。 它怎么评分？ 共 290 个任务，覆盖软件工程、终端操作和代码仓库问答，三项基准等权计入综合分。 其中新增的 FrontierCode，包含 100 个真实开源仓库任务 以「维护者是否愿意合并这次改动」为评分目标：关键检查不过，直接零分；全部通过，再按其他检查项给 70%—100% 的分数。 这让榜单更接近实际开发里的问题：代码写出来以后，能不能被接受？ 选工具时，这张榜可以帮你比较能力和 API 成本； 真正落地，还要算上人工审查和返工时间。 https://x.com/ArtificialAnlys/status/2113424551396934134/photo/1

曝光 397 · 评论 6 · 点赞 8 · 书签 0